[發(fā)明專利]一種基于加權(quán)核范數(shù)最小化的紅外弱小目標(biāo)檢測方法

有效

• 申請?zhí)枺?/td>: 202110777730.2
• 申請日: 2021-07-07
• 公開（公告）號: CN113421279B
• 公開（公告）日: 2023-03-31
• 發(fā)明（設(shè)計）人: 楊蘭蘭;嚴(yán)棚;李美惠
• 申請（專利權(quán)）人: 中國科學(xué)院光電技術(shù)研究所
• 主分類號: G06T7/13
• 分類號: G06T7/13;G06T7/136;G06T7/194;G06T5/00
• 代理公司: 北京科迪生專利代理有限責(zé)任公司 11251
• 代理人: 江亞平

本發(fā)明涉及一種基于加權(quán)核范數(shù)最小化的紅外弱小目標(biāo)檢測方法。針對復(fù)雜環(huán)境下弱小目標(biāo)容易被漏檢或者誤檢的情況，提出了利用特征檢測函數(shù)對待處理的圖像進(jìn)行了初步檢測，基于此構(gòu)建出與目標(biāo)相關(guān)的權(quán)重，并用這個權(quán)重構(gòu)建一種新的目標(biāo)函數(shù)進(jìn)行求解，得到最終的目標(biāo)圖像，最后進(jìn)行閾值分割去除部分干擾；通過本發(fā)明提供的方法可以有效降低虛警率，且對紅外弱小目標(biāo)具有良好的檢測效果。

技術(shù)領(lǐng)域

本發(fā)明涉及紅外圖像處理及目標(biāo)檢測領(lǐng)域，特別提供一種基于加權(quán)核范數(shù)最小化的紅外弱小目標(biāo)檢測方法。

背景技術(shù)

目標(biāo)檢測技術(shù)如今已發(fā)展的較為成熟，在民用領(lǐng)域，常用于智能監(jiān)控、交通管控、醫(yī)學(xué)特征識別等，較為常見的有：SIFT、積分圖特征和AdaBoost對人臉進(jìn)行檢測，HOG和SVM結(jié)合主要用于行人檢測；在軍事領(lǐng)域，常用于偵察、制導(dǎo)、預(yù)警等。紅外成像系統(tǒng)與可見光、雷達(dá)成像系統(tǒng)相比有著體積小、抗干擾能力強(qiáng)、隱蔽性好、可全天工作等優(yōu)點(diǎn)，因此多被用于軍事領(lǐng)域上，從而使得紅外弱小目標(biāo)檢測這一關(guān)鍵技術(shù)成為研究熱點(diǎn)。紅外弱小目標(biāo)檢測的難點(diǎn)主要在與：一方面目標(biāo)距離成像系統(tǒng)較遠(yuǎn)，通常成像在2X2到9x9像素之間，缺乏明顯的形狀和紋理特征，而且由于遠(yuǎn)距離成像中能量的散射，小目標(biāo)的能量損失嚴(yán)重，使得目標(biāo)與背景之間的對比度低，因此最終目標(biāo)呈現(xiàn)弱和小的特征；另一方面，小目標(biāo)所處的背景多變且很復(fù)雜，有一些背景的強(qiáng)邊緣特征與小目標(biāo)的特征很像，極易引起目標(biāo)的誤判。由此可見紅外弱小目標(biāo)檢測極具挑戰(zhàn)性，雖然目前已經(jīng)提出了很多用于紅外弱小目標(biāo)檢測的方法，但是無法適應(yīng)多變的背景環(huán)境，無法在各種環(huán)境下都保持其優(yōu)良的檢測性能。基于這些難點(diǎn)，紅外弱小目標(biāo)檢測受到了很多研究人員的關(guān)注。

在國外，對弱小目標(biāo)檢測的主要研究機(jī)構(gòu)有美國的海軍實驗室、空軍實驗室，國際光學(xué)工程學(xué)會(SPIE)從1989年開始，幾乎每年都會舉辦有關(guān)弱小目標(biāo)檢測技術(shù)的國際會議，研討弱小目標(biāo)檢測技術(shù)的最新成果；在國內(nèi)，由于起步較晚，與國外還有一定的差距，但國家在弱小目標(biāo)檢測技術(shù)方面進(jìn)行了大量的投入，國內(nèi)在弱小目標(biāo)檢測方面的相關(guān)研究機(jī)構(gòu)有：國防科技大學(xué)、華中科技大學(xué)等高校以及兵器工業(yè)集團(tuán)第211研究所、兵器工業(yè)集團(tuán)第205研究所、中電集團(tuán)第27研究所、中國船舶工業(yè)總公司717所等。

紅外弱小目標(biāo)檢測方法可以大致分為兩大類：檢測前跟蹤(TBD)和跟蹤前檢測(DBT)，檢測前跟蹤方法通常需要根據(jù)多幀圖片信息處理，最終檢測目標(biāo)，需要很大的計算量和存儲量，無法滿足實際需求中的實時性要求，因此這種方法很少在實際中應(yīng)用；跟蹤前檢測方法只需檢測單幀圖片即可，處理速度較快，但是可利用的信息量較少，根據(jù)研究的關(guān)注點(diǎn)，該類方法大致可分為三類：

(1)基于背景抑制的方法。這類方法通常采用各種策略去抑制背景，通常認(rèn)為背景處在圖像信號的低頻部分，而目標(biāo)處在圖像信號的高頻部分，通過各種變換將紅外圖像的低頻部分和高頻部分進(jìn)行分離，然后對各低頻分量進(jìn)行抑制，再對高頻分量進(jìn)行分析，可以將目標(biāo)檢測出來，基于背景的檢測方法根據(jù)背景抑制的方式不同又可分為空域濾波的方法和變換域濾波的方法。傳統(tǒng)基于空域濾波的方法有最大中值\最大均值(max-mean\max-median)濾波器的方法、二維最小均方(two-dimensional least mean square,TDLMS)濾波器的方法、數(shù)學(xué)形態(tài)學(xué)方法、中值濾波方法、雙邊濾波器、高通模板濾波方法等。變換域濾波的方法首先將圖片進(jìn)行變換，得到變換域的信息，常見的有傅里葉變換和小波變換，然后在變換域處理獲取的信息，最后再進(jìn)行逆變換，得到空間域的信息，并獲取相應(yīng)結(jié)果。對于頻域，常見的弱小目標(biāo)檢測方法主要有理想高通濾波、巴特沃斯高通濾波等。由于小波變換在多尺度、多方向的信號分析方面具有非常優(yōu)異的性能，能夠較好的檢測到信號中的奇異部分，因此，小波變換也被廣泛地應(yīng)用于海面弱小目標(biāo)紅外檢測當(dāng)中，常見的小波變換濾波方法主要有基于Countourlet變換的方法、基于非下采樣輪廓波變換的方法等。